视频监控系统中移动目标检测与跟踪的三帧差自适应阈值算法研究

发布时间：2020-04-26 03:56

【摘要】：移动目标检测技术作为计算机视觉应用技术的一个重要分支,其目的是实现对监控区域内的移动目标进行实时的视频采集与检测,并将这些用户感兴趣的信息存储起来作为分析现场状况的重要依据,以达到主动监控、节省资源、提升监控效率的目的。本文结合广泛应用的帧间差分法和背景差分法目标检测与跟踪算法的优点,引入了将这两种算法融合在一起的移动目标检测方法。首先,在采用混合高斯模型对背景进行建模时,对方差更新做了改进,对于没有匹配的高斯分布保持方差不变,这样使得建模效果与真实背景更加相似;其次,将两帧差分用三帧差分替换,获取阈值的方法则采用自适应差分的方法;最后,融合两种差分处理的结果后进一步做形态学处理并提取移动目标。传统的被动视频监控系统,需24小时视频记录并人工识别移动物体;本文设计了一种着重在主动监控的嵌入式智能视频监控系统,本系统主要基于改进后的移动目标检测技术,在实现实时监控的同时,还负责对进入监控区域内的移动物体进行检测报警、跟踪识别。本系统平时并不记录无关视频数据,当移动物体进入摄像头监控区域时,本系统会自动检测识别移动目标并通过音响进行声音报警,与此同时,系统会将发现移动目标时的视频、图像保存到系统中,方便用户通过浏览器访问嵌入式Web服务器查看。实验结果表明,本文改进后的移动目标检测算法相比于传统算法移动目标的漏报率在相同移动速度下平均提高了3%以上,相同体积下平均提高了5%以上;本嵌入式智能安防监控系统不仅具有传统视频监控中视频采集存储和网络监控的功能,而且更能对摄像机监控区域内的移动目标进行预警、主动抓拍和存储,实现主动监控的目的,具有较好的实用价值和应用前景。
【图文】：

序列,光流法,运行效果

0f dx f dy fx dt y dt t + + = （2其中，fx 可理解为图像的亮度作用在水平方向的梯度，dxdt可理解为作用在垂直向的梯度，，ft 可理解为时间上的梯度；dxdt，dydt便分别是在水平方向上的光流和在直方向上的光流。因为该方法的前提思想是基于灰度一致性，故该方法仅仅适用在连续的帧序列中国科学院大学的刘慧勤在 2016 年对光流法进行了改进[20]，他借鉴 Lucas-Kanade 局平滑的思想对传统 Horn-Schunck 光流法进行了改进，并对改进后的 Horn-Schunk 光流约束条件进行了改善。对此，本文根据其思想进行了仿真实验，如图 2.1 所示，此为流法在 MATLAB2014b 下的运行效果图，图片（a）为当前帧，图片（b）为运行结果图从图中可以看出光流法并不是很理想。

视频监控系统中移动目标检测与跟踪的三帧差自适应阈值算法研究

DCT变换
【学位授予单位】：长安大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TN948.6

【参考文献】